人工智能通常在服务器上进行训练，当在网络连接受限的功能较弱的边缘设备上运行时，人工智能可能无法学习。上周，Neurala Inc.宣布其Brain Builder AI视觉平台已针对边缘学习进行了优化，并称其可用于制造及视觉检查中的机器人和其他设备。

Neurala表示，深层神经网络（DNN）通常无法识别生产线中出现的新的或变化的项目，尤其是随着产品周期的加快。这家位于波士顿的公司表示，Brain Builder软件开发套件（SDK）可以快速修改DNN，以在计算边缘识别新产品，而不必返回服务器。

“神经网络的传统方法通常在部署时会遇到不足，因为该网络在未经过分类的边缘遇到了新情况，” Neurala联合创始人兼首席执行官Massimiliano Versace说。“这就是Neurala一直在开发我们的Brain Builder SDK的原因，该软件使用户即使在初次训练后仍可以继续训练和调整DNN。”

最新的Brain Builder SDK作为欧洲最大的物联网（IoT）黑客马拉松博世ConnectedExperience（BCX）的合作伙伴首次亮相，该活动在柏林的Bosch ConnectedWorld（BCW）举行。700多个开发人员使用Bosh IoT Suite服务和工具（包括Brain Builder SDK）创建了IoT系统的原型。他们使用的设备包括汽车，机器人等中的摄像头和传感器。

深度神经网络的终身学习

Neurala客户成功副总裁Daniel Glasser说：“ Neurala于2006年获得资金，其最早的工作是为各个政府研究机构进行边缘项目。” “在我来这里的三年中，最经常提出的要求是，'我的数据在哪里？我如何确保它保持私密性和安全性？'”

“在智能设备，电话或制造和自动化中，对边缘计算的需求非常大。数据处理需要在本地进行，”他告诉《机器人商业评论》。“这就是为什么我们专注于边缘AI的原因。很多人只看分析，但Neurala也可以在边缘进行培训。”

“通过终身深度神经网络或LDNN，您可以用更少的数据训练AI系统。无需训练50,000张图像，而是可以使用几百张，具体取决于系统。” “然后处理要求下降了，您可能不需要服务器场。可以在生产车间的智能手机或GPU上花费一小部分时间来训练AI。”

Neurala的Brain Builder与基于服务器的AI相比如何？格拉瑟说：“我们采用了类似的小型数据集，通常我们的表现要好于它们。” “有了大数据集，性能将接近。最终，我们与DNN的竞争非常激烈。”

边缘的Brain Builder

格拉瑟说：“ Brain Builder平台的最初发布是在去年3月。” “非专家可以通过Web门户培训端到端视觉系统，一切都在云中进行。使用升级的SDK，现在可以在边缘完成在云中完成的所有操作。”

他说：“ Neurala与博世（Bosch）合作，将其整合到会员的安全生态系统中。” “它使用Brain Builder来构建大脑并部署在安全摄像机的边缘。”

“除此之外，我们还为无人机运营公司AviSight构建了系统，以便在电气基础设施检查期间运行我们的AI，” Glasser补充说。“无人机可以在没有Internet连接的情况下实时指出缺陷或损坏的组件。处理器不在无人机上，而是在现场单元中。”

使用Brain Builder进行物联网安全性和移动性

格拉瑟说，尽管5G网络有望提供更大的带宽和更低的延迟，但边缘处理在工业物联网中的作用不会很快消失。

他说：“还有很多疑问，那就是可靠性如何，即使世界上最好的带宽也无法回答有关隐私和云的问题。” “无人驾驶车辆，无人机和配送机器人具有很高的安全要求。他们不想担心连接性，因此他们需要边缘AI。”

为机器视觉，机器人增加灵活性

Glasser解释说，Neurala专注于自动驾驶机器人（AMR）而不是自动驾驶汽车，因为它希望能够快速部署用例。他说，但是，该公司已经围绕车辆进行了“对话”。

他说：“ Brain Builder适用于仓库中的移动机器人。” “不仅用于边缘计算，而且还可以逐步学习。这与DNN不同，后者仅限于您首先对其进行了培训。现在，用于质量检查的摄像机或用于AMR的摄像机可以学习有关产品或设备的新知识。它不必从头开始。”

格拉瑟说：“借助Neurala的技术，您可以给它展示一件新东西，给它起个名字，然后教该机器人如何应对。” “这节省了时间和成本，并增加了灵活性。”

他说：“为了识别对象，我们与一家主要的仓库物流提供商进行了一个项目，该项目有200万个SKU可以进行拣配。” “您可以训练大多数AI来识别成千上万的事物，但随后它将尝试将所有事物放入这些盒子中。使用Neurala的系统，如果您向它展示新东西，则表示它不知道SKU。当系统无法根据需要识别出新的谷物盒时，我们的系统可以提供该反馈。”